DE102018206786A1 - Method for the satellite-based determination of a vehicle position by means of a motion and position sensor - Google Patents

Method for the satellite-based determination of a vehicle position by means of a motion and position sensor Download PDF

Info

Publication number
DE102018206786A1
DE102018206786A1 DE102018206786.4A DE102018206786A DE102018206786A1 DE 102018206786 A1 DE102018206786 A1 DE 102018206786A1 DE 102018206786 A DE102018206786 A DE 102018206786A DE 102018206786 A1 DE102018206786 A1 DE 102018206786A1
Authority
DE
Germany
Prior art keywords
data
vehicle
motion
gnss
weighting
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102018206786.4A
Other languages
German (de)
Inventor
Marlon Ramon Ewert
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102018206786.4A priority Critical patent/DE102018206786A1/en
Priority to CN201910356833.4A priority patent/CN110441806A/en
Priority to US16/401,953 priority patent/US11946746B2/en
Priority to JP2019087540A priority patent/JP7431511B2/en
Publication of DE102018206786A1 publication Critical patent/DE102018206786A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/50—Determining position whereby the position solution is constrained to lie upon a particular curve or surface, e.g. for locomotives on railway tracks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/40—Correcting position, velocity or attitude
    • G01S19/41—Differential correction, e.g. DGPS [differential GPS]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/52—Determining velocity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/53—Determining attitude

Abstract

Die Erfindung betrifft ein Verfahren zur satellitengestützten Ermittlung einer Fahrzeugposition mittels eines Bewegungs- und Positionssensors, umfassend folgende Schritte:
a) Empfangen von GNSS-Daten als eine Eingangsgröße,
b) Empfangen von mindestens einer weiteren Eingangsgröße,
c) Bestimmen von Gewichtungsfaktoren für die Eingangsgrößen unter Verwendung von Kartendaten,
d) Gewichten der in Schritt a) und b) empfangenen Eingangsgrößen mit den in Schritt c) bestimmten Gewichtungsfaktoren,
e) Ermitteln der Fahrzeugposition unter Verwendung der in Schritt a) und b) empfangenen und in Schritt d) gewichteten Eingangsgrößen.

Figure DE102018206786A1_0000
The invention relates to a method for the satellite-based determination of a vehicle position by means of a motion and position sensor, comprising the following steps:
a) receiving GNSS data as an input,
b) receiving at least one further input variable,
c) determining weighting factors for the input quantities using map data,
d) weighting the input variables received in step a) and b) with the weighting factors determined in step c),
e) determining the vehicle position using the input variables received in step a) and b) and weighted in step d).
Figure DE102018206786A1_0000

Description

Die Erfindung betrifft ein Verfahren zur satellitengestützten Ermittlung einer Fahrzeugposition mittels eines Bewegungs- und Positionssensors, ein Computerprogramm, ein maschinenlesbares Speichermedium und einen Bewegungs- und Positionssensor. Die Erfindung ist insbesondere geeignet beim autonomen Fahren zur Anwendung zu kommen.The invention relates to a method for the satellite-based determination of a vehicle position by means of a movement and position sensor, a computer program, a machine-readable storage medium and a motion and position sensor. The invention is particularly suitable for use in autonomous driving.

Stand der TechnikState of the art

Ein autonomes Fahrzeug ist ein Fahrzeug, das ohne Fahrer auskommt. Das Fahrzeug fährt dabei autonom, indem es beispielsweise den Straßenverlauf, andere Verkehrsteilnehmer oder Hindernisse selbständig erkennt und die entsprechenden Steuerbefehle im Fahrzeug berechnet sowie diese an die Aktuatoren im Fahrzeug weiterleitet, wodurch der Fahrverlauf des Fahrzeugs korrekt beeinflusst wird. Der Fahrer ist bei einem vollautonomen Fahrzeug nicht am Fahrgeschehen beteiligt.An autonomous vehicle is a vehicle that manages without a driver. The vehicle drives autonomously, for example, by independently recognizing the road, other road users or obstacles and calculates the corresponding control commands in the vehicle and forwards them to the actuators in the vehicle, whereby the driving course of the vehicle is correctly influenced. The driver is not involved in a fully autonomous vehicle on the ride.

Unter anderem benötigt ein Fahrzeug für einen autonomen Betrieb eine Sensorik, die in der Lage ist eine hochgenaue Fahrzeugposition, insbesondere mit Hilfe von Navigationssatellitendaten (GPS, GLONASS, Beidou, Galileo), zu ermitteln. Hierzu werden gegenwärtig GNSS(Globales Navigationssatellitensystem)-Signale über eine GNSS-Antenne auf dem Fahrzeugdach empfangen und mittels eines GNSS-Sensors verarbeitet. Hierbei können zusätzlich GNSS-Korrekturdaten zur Steigerung des Ortungsergebnisses berücksichtigt werden. Besonders vorteilhafte GNSS-Sensoren sind sog. Bewegungs- und Positionssensoren, die unter Verwendung von GNSS-Daten zumindest eine Fahrzeugposition oder einer Fahrzeugausrichtung bzw. Fahrzeugbewegung ermitteln können.Among other things, a vehicle for autonomous operation requires a sensor system capable of determining a highly accurate vehicle position, in particular by means of navigation satellite data (GPS, GLONASS, Beidou, Galileo). For this purpose, GNSS (Global Navigation Satellite System) signals are currently received via a GNSS antenna on the vehicle roof and processed by means of a GNSS sensor. In addition, GNSS correction data can be taken into account to increase the location result. Particularly advantageous GNSS sensors are so-called motion and position sensors which can determine at least one vehicle position or a vehicle orientation or vehicle movement using GNSS data.

Für die Berechnung einer hochgenauen Fahrzeugposition in einem Bewegungs- und Positionssensor wird unter anderem ein Kalman-Filter verwendet. In diesem Filter gehen bis dato die folgenden Eingangsgrößen ein:

  • - GNSS-Daten,
  • - GNSS-Korrekturdaten,
  • - Daten von Beschleunigungs- und Drehratensensoren,
  • - Inertialsensor-Daten,
  • - Raddrehzahlen,
  • - Lenkwinkel,
  • - Fahrzeuggeschwindigkeit,
  • - Fahrtrichtung.
For the calculation of a highly accurate vehicle position in a motion and position sensor, among other things, a Kalman filter is used. In this filter, the following input variables have been received so far:
  • - GNSS data,
  • - GNSS correction data,
  • - data from acceleration and yaw rate sensors,
  • Inertial sensor data,
  • - wheel speeds,
  • - steering angle,
  • Vehicle speed,
  • - direction of travel.

Innerhalb des Kalman-Filters werden diese Eingangsgrößen bezüglich ihres Einflusses auf die momentane Positionsberechnung dynamisch gewichtet. Bei einer Kurvenfahrt werden beispielsweise die Daten von Beschleunigungs- und Drehratensensoren höher gewichtet als beispielsweise die GNSS-Daten. In weiteren Szenarien werden umgekehrt die GNSS-Daten höher bewertet als die Beschleunigungs- und Drehratensensordaten. Diese dynamische Gewichtung der Eingangsgrößen für die hochgenaue Positionsberechnung ist besonders vorteilhaft für die Genauigkeit der Positionsberechnung. Die Abschätzung des momentanen Fahrmanövers ist dabei von großer Bedeutung. Es besteht das Bestreben, die Abschätzung der Gewichtungsfaktoren zu verbessern.Within the Kalman filter, these input variables are dynamically weighted with regard to their influence on the current position calculation. When cornering, for example, the data from acceleration and yaw rate sensors are weighted higher than, for example, the GNSS data. In other scenarios, conversely, the GNSS data is rated higher than the acceleration and gyro sensor data. This dynamic weighting of the input variables for the highly accurate position calculation is particularly advantageous for the accuracy of the position calculation. The estimation of the current driving maneuver is of great importance. There is an effort to improve the estimation of the weighting factors.

Offenbarung der ErfindungDisclosure of the invention

Hier vorgeschlagen wird gemäß Anspruch 1 ein Verfahren zur satellitengestützten Ermittlung einer Fahrzeugposition mittels eines Bewegungs- und Positionssensors, umfassend folgende Schritte:

  1. a) Empfangen von GNSS-Daten als eine Eingangsgröße,
  2. b) Empfangen von mindestens einer weiteren Eingangsgröße,
  3. c) Bestimmen von Gewichtungsfaktoren für die Eingangsgrößen unter Verwendung von Kartendaten,
  4. d) Gewichten der in Schritt a) und b) empfangenen Eingangsgrößen mit den in Schritt c) bestimmten Gewichtungsfaktoren,
  5. e) Ermitteln der Fahrzeugposition unter Verwendung der in Schritt a) und b) empfangenen und in Schritt d) gewichteten Eingangsgrößen.
According to claim 1, a method for the satellite-aided determination of a vehicle position by means of a motion and position sensor is proposed, comprising the following steps:
  1. a) receiving GNSS data as an input,
  2. b) receiving at least one further input variable,
  3. c) determining weighting factors for the input quantities using map data,
  4. d) weighting the input variables received in step a) and b) with the weighting factors determined in step c),
  5. e) determining the vehicle position using the input variables received in step a) and b) and weighted in step d).

Das Verfahren dient insbesondere zur satellitengestützten Ermittlung einer Fahrzeugposition des eigenen Fahrzeugs mittels eines Bewegungs- und Positionssensors. Bei dem eigenen Fahrzeug handelt es sich vorzugsweise um ein autonomes Fahrzeug, insbesondere ein autonom operierendes Automobil. Der hier vorgestellten Lösung liegt insbesondere die Idee zugrunde, Kartendaten (vom Fachmann auch als „Mapdaten“ bezeichnet) in einem Kalman-Filter eines Bewegungs- und Positionssensor zu verwenden, um in vorteilhafter Weise die Ermittlung der Fahrzeugposition zu verbessen. Die Verwendung von Kartendaten trägt hier in besonders vorteilhafter Weise dazu bei, dass eine vorausschauende Gewichtung erfolgen kann. Wenn den Kartendaten beispielsweise entnommen werden kann, dass sich das Fahrzeug auf eine Häuserschlucht und/oder einen Tunnel zubewegt, so kann der Einfluss der GNSS-Daten auf die Positionsermittlung im Verhältnis zum Einfluss alternativer Ortungsdaten insbesondere für den (zukünftigen) Zeitraum, in dem sich das Fahrzeug in der Häuserschlucht bzw. dem Tunnel befindet bzw. voraussichtlich befinden wird, heruntergewichtet werden.The method is used in particular for the satellite-based determination of a vehicle position of the own vehicle by means of a movement and position sensor. The own vehicle is preferably an autonomous vehicle, in particular an autonomously operating automobile. The solution presented here is based in particular on the idea of using map data (also referred to as "map data" by a person skilled in the art) in a Kalman filter of a motion and position sensor in order to advantageously improve the determination of the vehicle position. The use of map data contributes here in a particularly advantageous manner to the fact that a forward-looking weighting can take place. For example, if it can be seen from the map data that the vehicle is moving toward an urban canyon and / or tunnel, the influence of the GNSS data on position determination may be in proportion to the influence of alternative location data, particularly for the (future) period in which the Vehicle is located in the canyon or the tunnel or is expected to be down weighted.

GNSS steht für globales Navigationssatellitensystem. GNSS ist ein System zur Positionsbestimmung und/oder Navigation auf der Erde und/oder in der Luft durch den Empfang der Signale von Navigationssatelliten, hier als Satellitendaten bezeichnet. GNSS ist dabei ein Sammelbegriff für die Verwendung bestehender und künftiger globaler Satellitensysteme, wie GPS (NAVSTRAR GPS), GLONASS, Beidou und Galileo. Damit handelt es sich bei einem GNSS-Sensor um eine Sensorik, die geeignet ist Navigationssatellitendaten zu empfangen und zu verarbeiten, etwa auszuwerten. Vorzugsweise ist der GNSS-Sensor in der Lage, eine hochgenaue Fahrzeugposition mit Hilfe von Navigationssatellitendaten (GPS, GLONASS, Beidou, Galileo) zu ermitteln. GNSS-Daten sind insbesondere Daten, die von einem Navigationssatelliten empfangen werden, GNSS-Daten können auch als „Navigationssatellitendaten“ bezeichnet werden.GNSS stands for Global Navigation Satellite System. GNSS is a system for determining and / or navigating the earth and / or in the air by receiving signals from navigation satellites, referred to herein as satellite data. GNSS is a collective term for the use of existing and future global satellite systems, such as GPS (NAVSTRAR GPS), GLONASS, Beidou and Galileo. Thus, a GNSS sensor is a sensor that is suitable for receiving and processing navigation satellite data, for example, to evaluate it. Preferably, the GNSS sensor is able to determine a highly accurate vehicle position using navigation satellite data (GPS, GLONASS, Beidou, Galileo). In particular, GNSS data is data received from a navigation satellite, GNSS data may also be referred to as "navigation satellite data".

In Schritt a) erfolgt ein Empfangen von GNSS-Daten als eine Eingangsgröße. Dies bedeutet mit anderen Worten insbesondere, dass die empfangenen GNSS-Daten eine Art von Eingangsgrößen darstellen. Vorzugsweise sind die GNSS-Daten hierbei eine Eingangsgröße des Bewegungs- und Positionssensors. Bevorzugt erfolgt in Schritt a) ein Empfangen von GNSS-Satellitendaten. Hierbei können Laufzeitmessungen von Navigationssatellitensignalen erfolgen. Bevorzugt empfängt der Bewegungs- und Positionssensor die GNSS-Daten bzw. GNSS-Satellitendaten insbesondere von mindestens einer GNSS-Empfangseinheit (des Fahrzeugs), etwa einer GNSS-Antenne, die ihrerseits (direkt) mit den Navigationssatelliten kommuniziert bzw. die Satellitensignale (direkt) empfängt. Der Bewegungs- und Positionssensor kann selbst in der Art eines GNSS-Sensors ausgeführt sein beziehungsweise diesen umfassen. Alternativ oder kumulativ kann der Bewegungs- und Positionssensor GNSS-Daten von einem GNSS-Sensor (des Fahrzeugs) empfangen. Hierbei wertet der GNSS-Sensor die empfangenen GNSS-Satellitensignale aus und gibt GNSS-Daten, beispielsweise GNSS-Positionsdaten bzw. GNSS-Fahrzeugpositionen an den Bewegungs- und Positionssensor weiter.In step a), GNSS data is received as an input. In other words, this means in particular that the received GNSS data represent a type of input variables. In this case, the GNSS data is preferably an input variable of the motion and position sensor. Preference is given in step a) to receive GNSS satellite data. Runtime measurements of navigation satellite signals can take place here. The motion and position sensor preferably receives the GNSS data or GNSS satellite data in particular from at least one GNSS receiving unit (of the vehicle), for example a GNSS antenna which in turn communicates (directly) with the navigation satellites or (direct) the satellite signals. receives. The motion and position sensor may itself be in the nature of or comprise a GNSS sensor. Alternatively or cumulatively, the motion and position sensor may receive GNSS data from a GNSS sensor (of the vehicle). Hereby, the GNSS sensor evaluates the received GNSS satellite signals and forwards GNSS data, for example GNSS position data or GNSS vehicle positions, to the motion and position sensor.

In Schritt b) erfolgt ein Empfangen von mindestens einer weiteren Eingangsgröße. Dies bedeutet mit anderen Worten insbesondere, dass sich die in Schritt b) empfangene Eingangsgröße von der in Schritt a) empfangenen Eingangsgröße unterscheidendet. Mit noch anderen Worten ausgedrückt, handelt es sich in Schritt b) insbesondere um eine andere Art von Eingangsgrößen als in Schritt a). Vorzugsweise ist die mindestens eine weitere Eingangsgröße (ebenfalls) eine Eingangsgröße des Bewegungs- und Positionssensors bzw. werden durch diesen empfangen.In step b), at least one further input variable is received. In other words, this means in particular that the input variable received in step b) differs from the input variable received in step a). In other words, in step b), it is in particular a different type of input variables than in step a). Preferably, the at least one further input variable (also) is an input variable of the motion and position sensor or are received by it.

In Schritt c) erfolgt ein Bestimmen von Gewichtungsfaktoren für die (in Schritt a) und b) empfangenen) Eingangsgrößen unter Verwendung von Kartendaten. In der Regel werden die Gewichtungsfaktoren den Eingangsgrößen dabei oder danach zugewiesen bzw. zugeordnet. Insbesondere wird zu jeder Eingangsgröße ein (eigener) Gewichtungsfaktor bestimmt und/oder dieser zugewiesen. Beispielsweise kann für die GNSS-Daten ein Gewichtungsfaktor k1 und für beispielhafte Inertialsensordaten (als weitere Eingangsgröße) ein Gewichtungsfaktor k2 bestimmt werden. Zur Gewichtung können dann die GNSS-Daten mit dem Gewichtungsfaktor k1 und die Inertialsensordaten mit dem Gewichtungsfaktor k2 beispielhaft multipliziert werden.In step c), weighting factors are determined for the input variables (received in steps a) and b) using map data. As a rule, the weighting factors are assigned or assigned to the input variables during or after this. In particular, a (separate) weighting factor is determined and / or assigned to each input variable. For example, a weighting factor k 1 can be determined for the GNSS data, and a weighting factor k 2 can be determined for exemplary inertial sensor data (as a further input variable). For weighting, the GNSS data with the weighting factor k 1 and the inertial sensor data with the weighting factor k 2 can then be multiplied by way of example.

Die Gewichtungsfaktoren werden vorzugsweise in bzw. mit dem Bewegungs- und Positionssensor des Fahrzeugs bestimmt. Alternativ oder kumulativ können die Gewichtungsfaktoren bzw. zumindest einige der Gewichtsfaktoren von einer zumindest zentralen oder übergeordneten Verarbeitungseinrichtung (Cloud) bestimmt werden. Vorzugsweise werden die Gewichtungsfaktoren, insbesondere unabhängig davon wo sie bestimmt werden, während des (normalen) insbesondere autonomen Betriebs („online“) bzw. im laufenden insbesondere autonomen Fahrbetrieb des Fahrzeugs bestimmt und/oder geändert. Besonders bevorzugt werden die Gewichtungsfaktoren während des (normalen) insbesondere autonomen Betriebs bzw. im laufenden insbesondere autonomen Fahrbetrieb des Fahrzeugs vorausschauend bestimmt und/oder geändert.The weighting factors are preferably determined in or with the movement and position sensor of the vehicle. Alternatively or cumulatively, the weighting factors or at least some of the weighting factors can be determined by an at least central or higher-level processing device (cloud). Preferably, the weighting factors, in particular regardless of where they are determined during the (normal) in particular autonomous operation ("online") or in the running, in particular autonomous driving operation of the vehicle determined and / or changed. Particularly preferably, the weighting factors are determined and / or changed during the (normal), in particular autonomous operation or in the current, in particular autonomous, driving operation of the vehicle.

Die Gewichtungsfaktoren werden unter Verwendung von Kartendaten bestimmt. Vorzugsweise werden die Gewichtungsfaktoren in Abhängigkeit von Kartendaten oder von Informationen aus den Kartendaten bestimmt. Unter Kartendaten werden hier insbesondere Daten (aus) einer digitalen Karte verstanden. Bevorzugt werden die Gewichtungsfaktoren unter Verwendung von Kartendaten (aus) einer digitalen Karte und/oder aus einem Karten-Steuergerät (MAP-Steuergerät) bestimmt. Die digitale Karte kann beispielsweise Angaben über Straßenzüge und/oder Infrastrukturpunkte, wie etwa Gebäude, Signalanlagen, Tunnel und dergleichen, insbesondere über deren Position und räumliche Ausbreitung (Länge, Breite, Höhe), bereitstellen. Eine zur Bestimmung der Gewichtungsfaktoren verwendbare Information aus einer solchen digitalen Karte kann beispielsweise dergestalt sein, dass an der Position, auf die sich das Fahrzeug zubewegt, eine geringe, mittlere oder hohe Abschattung des GNSS-Signals zu erwarten ist. Dementsprechend kann der Gewichtungsfaktor k1 für die GNSS-Daten beispielhaft bei geringer Abschattung hoch (z. B. 0,7), bei mittlerer Abschattung mittel (z. B. 0,5) und bei hoher Abschattung gering (z. B. 0,1) gewählt bzw. bestimmt werden. Unter Kartendaten können hier umgebungsspezifische Daten verstanden werden, insbesondere solche, die sich auf einer digitalen Karte darstellen lassen bzw. die auf einer digitalen Karte dargestellt und/oder bereitgestellt sind. Auf einer digitalen Karte lassen sich beispielsweise Straßenverläufe, Infrastrukturpunkte, wie etwa Gebäude, Signalanlagen, Tunnel und dergleichen, andere Verkehrsteilnehmer, wie etwa andere Fahrzeuge, und Wetterinformationen darstellen und/oder bereitstellen.The weighting factors are determined using map data. Preferably, the weighting factors are determined depending on map data or information from the map data. Card data is understood to mean, in particular, data (from) a digital map. The weighting factors are preferably determined using map data (from) of a digital map and / or from a map control device (MAP control device). The digital map may, for example, provide information about streets and / or infrastructure points, such as buildings, signal systems, tunnels and the like, in particular about their position and spatial spread (length, width, height). For example, information useful for determining the weighting factors from such a digital map may be such that low, medium, or high levels of shadowing of the GNSS signal are expected at the position toward which the vehicle is approaching. Accordingly, the weighting factor k 1 for the GNSS data can be high (eg 0.7) with low shadowing, with medium shadowing medium (eg 0.5) and low (eg 0.1) are selected or determined at high shading. Map data can be understood here as environment-specific data, in particular those that can be displayed on a digital map or that are displayed and / or provided on a digital map. For example, a digital map may depict and / or provide roadways, infrastructure points such as buildings, signal systems, tunnels, and the like, other road users, such as other vehicles, and weather information.

Bei den Kartendaten kann es sich beispielsweise um eine oder mehrere der folgenden Daten handeln, die vorzugsweise zusätzlich (als zusätzliche Eingangsgrößen) in insbesondere den Bewegungs- und Positionssensor beispielsweise aus einem Karten-Steuergerät (MAP-Steuergerät) und/oder aus Umfeldsensoren heraus eingeführt werden können:

  • • Trajektoriendaten einer Straßenkarte, auf welcher das autonome Fahrzeug momentan unterwegs ist. Diese Daten können unter anderem den Straßenverlauf und/oder die Anzahl der Fahrspuren und/oder den Straßentyp (Autobahn, Landstraße, Feldweg, usw.) enthalten.
  • • Daten einer Merkmalskarte (Feature Map), wie beispielsweise Gebäudestrukturen, Höhe von Gebäuden, Waldgebiete, usw.
  • • Lage, Größe und Position weiterer Verkehrsteilnehmer innerhalb eines insbesondere (vor-)definierten Mindestabstands um das eigene Fahrzeug herum. Diese Daten stammen beispielsweise aus der Auswertung von Umfeldsensoren des (autonomen) Fahrzeugs.
The map data may, for example, be one or more of the following data which are preferably additionally introduced (as additional input variables) in particular the motion and position sensor, for example from a map control device (MAP control device) and / or environment sensors can:
  • • Trajectory data of a road map on which the autonomous vehicle is currently traveling. These data may include, but are not limited to, the course of the road and / or the number of lanes and / or the type of road (highway, country lane, dirt road, etc.).
  • • feature map data, such as building structures, height of buildings, forest areas, etc.
  • • Location, size and position of other road users within a particular (pre-) defined minimum distance around their own vehicle. These data come, for example, from the evaluation of environment sensors of the (autonomous) vehicle.

Diese Daten können (als zusätzliche Eingangsgrößen) zusätzlich in den Bewegungs- und Positionssensor roh oder vorverarbeitet eingeführt bzw. eingelesen werden. Vorzugsweise werden die Kartendaten dort innerhalb eines Kalman-Filters verwendet, um die Gewichtung der Eingangsgrößen bei der Positionsberechnung vorzunehmen und/oder zu verbessern.These data can also be imported or read in raw and preprocessed (as additional input variables) into the motion and position sensor. Preferably, the map data is used there within a Kalman filter to make and / or improve the weighting of the input quantities in the position calculation.

In Schritt d) erfolgt ein Gewichten der in Schritt a) und b) empfangenen Eingangsgrößen mit den in Schritt c) bestimmten Gewichtungsfaktoren. Dies bedeutet mit anderen Worten insbesondere, dass die in Schritt c) bestimmten Gewichtungsfaktoren in die Gewichtung der in Schritt a) und b) empfangenen Eingangsgrößen einfließen. Hierzu können beispielsweise bereits vorhandene Gewichtungsfaktoren (initiale oder aus einer vorhergehenden Bestimmung stammende Gewichtungsfaktoren) entsprechend der Bestimmung in Schritt d) geändert bzw. angepasst werden. Das Gewichten wird vorzugsweise in bzw. mit dem Bewegungs- und Positionssensor des Fahrzeugs durchgeführt. Besonders bevorzugt wird das Gewichten in bzw. mit einem Kalman-Filter des Bewegungs- und Positionssensors durchgeführt.In step d), the input variables received in step a) and b) are weighted with the weighting factors determined in step c). In other words, this means in particular that the weighting factors determined in step c) are included in the weighting of the input variables received in step a) and b). For example, already existing weighting factors (initial or weighting factors derived from a previous determination) can be changed or adjusted in accordance with the determination in step d). The weighting is preferably performed in or with the motion and position sensor of the vehicle. Particularly preferably, the weighting is carried out in or with a Kalman filter of the motion and position sensor.

Die in Schritt a) empfangenen GNSS-Daten sowie die in Schritt b) empfangene mindestens eine weitere Eingangsgröße werden in der Regel mit einem Zeitstempel versehen oder weisen diesen vorteilhaft bereits auf. In Schritt d) werden dann regelmäßig die GNSS-Daten und weiteren Eingangsgrößen zueinander gewichtet, die denselben Zeitstempel aufweisen.The GNSS data received in step a) as well as the at least one further input variable received in step b) are generally provided with a time stamp or already advantageously have this time stamp. In step d), the GNSS data and other input variables which have the same time stamp are then regularly weighted relative to one another.

Beispielsweise kann der Einfluss eines GNSS-Sensors während einer Tunnelfahrt oder bei der Vorbeifahrt an hohen Gebäudestrukturen oder in einem Waldgebiet gegenüber den weiteren Eingangsgrößen minimiert bzw. verringert werden. Die weiteren Eingangsgrößen, wie etwa Beschleunigungs- und Drehratensensordaten, Raddrehzahlen und/oder Lenkwinkel werden in diesem Fall insbesondere innerhalb des Kalman-Filters mit einem höheren Gewicht versehen. Darüber hinaus kann beispielsweise der Einfluss der Beschleunigungs- und Drehratensensoren während einer Geradeausfahrt auf einer Autobahn ohne umliegende Gebäudestrukturen minimiert werden, während der Einfluss der GNSS-basierten Daten insbesondere innerhalb des Kalman-Filters (des Bewegungs- und Positionssensors) erhöht wird.For example, the influence of a GNSS sensor during a tunnel journey or when passing on high building structures or in a forest area compared with the other input variables can be minimized or reduced. The other input variables, such as acceleration and rotation rate sensor data, wheel speeds and / or steering angle are provided in this case, in particular within the Kalman filter with a higher weight. In addition, for example, the influence of the acceleration and yaw rate sensors during straight-ahead driving on a highway without surrounding building structures can be minimized while the influence of the GNSS-based data is increased, especially within the Kalman filter (the motion and position sensor).

In Schritt e) erfolgt ein Ermitteln der Fahrzeugposition unter Verwendung der in Schritt a) und b) empfangenen und in Schritt d) gewichteten Eingangsgrößen. Dies bedeutet mit anderen Worten insbesondere, dass das Ermitteln der Fahrzeugposition unter Verwendung der Eingangsgrößen (mit demselben Zeitstempel) erfolgt, die zuvor zueinander gewichtet wurden. Das Ermitteln wird vorzugsweise in bzw. mit dem Bewegungs- und Positionssensor des Fahrzeugs durchgeführt. Bevorzugt erfolgt ein Verarbeiten der in Schritt a) und b) empfangenen und in Schritt d) gewichteten Eingangsgrößen in bzw. mit dem Bewegungs- und Positionssensor zu der Fahrzeugposition.In step e), the vehicle position is determined using the input variables received in step a) and b) and weighted in step d). In other words, this means, in particular, that the determination of the vehicle position is carried out using the input variables (with the same time stamp) that were previously weighted relative to one another. The determining is preferably carried out in or with the movement and position sensor of the vehicle. Preferably, processing of the input variables received in step a) and b) and weighted in step d) takes place in or with the movement and position sensor to the vehicle position.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass in Schritt b) mindestens eine der folgenden weiteren Eingangsgrößen empfangen wird:

  • -GNSS-Korrekturdaten,
  • -Daten von Beschleunigungs- und Drehratensensoren,
  • -Inertialsensor-Daten,
  • -Raddrehzahlen,
  • -Lenkwinkel,
  • -Fahrzeuggeschwindigkeit,
  • -Fahrtrichtung.
According to an advantageous embodiment, it is proposed that in step b) at least one of the following further input variables is received:
  • -GNSS correction data
  • Data of acceleration and yaw rate sensors,
  • -Inertialsensor data
  • -Raddrehzahlen,
  • - Steering angle,
  • -Fahrzeuggeschwindigkeit,
  • -Fahrtrichtung.

Vorzugsweise werden diese Daten bzw. Größen dem Bewegungs- und Positionssensor von einem entsprechenden Sensor des Fahrzeugs bereitgestellt. Die GNSS-Korrekturdaten können von einer GNSS-Antenne und/oder über einer Fahrzeug-zu-X Kommunikationsverbindung bereitgestellt werden. Die Inertialsensor-Daten können von einer Inertialmesseinheit (IMU) bzw. einem Trägheitssensor bereitgestellt werden. Die Fahrzeuggeschwindigkeit und/oder Fahrtrichtung können beispielsweise innerhalb des Bewegungs- und Positionssensors z. B. aus zuvor bestimmten Positionen berechnet werden. Alternativ oder kumulativ kann die Fahrzeuggeschwindigkeit und/oder Fahrtrichtung mit Hilfe von Raddrehzahlen innerhalb des Bewegungs- und Positionssensors bestimmt werden. Dann können diese beispielsweise als Eingangsgröße von einem Kalman-Filter des Bewegungs- und Positionssensors empfangen bzw. eingelesen werden.Preferably, these data or quantities are provided to the motion and position sensor by a corresponding sensor of the vehicle. The GNSS correction data may be provided by a GNSS antenna and / or via a vehicle-to-X communication link. The inertial sensor data may be provided by an inertial measurement unit (IMU) or an inertial sensor. The vehicle speed and / or direction, for example, within the motion and position sensor z. B. calculated from previously determined positions. Alternatively or cumulatively, the vehicle speed and / or direction of travel may be determined by means of wheel speeds within the motion and position sensor. Then, for example, they can be received or read in as input from a Kalman filter of the motion and position sensor.

Besonders bevorzugt umfasst die mindestens eine weitere Eingangsgröße zumindest Inertialsensor-(IMU)-Daten oder Daten von Beschleunigungs- und Drehratensensoren. Diese sind besonders vorteilhaft geeignet für eine (nachstehend erläuterte) vorausschauende Gewichtung, insbesondere für eine vorausschauende Gewichtung zu GNSS-Daten. Dies bedeutet mit anderen Worten insbesondere, dass in besonders vorteilhafter Weise eine vorausschauende Gewichtung der Anteile des GNSS- und der IMU-Sensorik, insbesondere im Kalmanfilter erfolgen kann.The at least one further input variable particularly preferably comprises at least inertial sensor (IMU) data or data from acceleration and yaw rate sensors. These are particularly advantageous for predictive weighting (discussed below), particularly for predictive weighting to GNSS data. In other words, this means, in particular, that in a particularly advantageous manner, a forward-looking weighting of the proportions of the GNSS and the IMU sensors, in particular in the Kalman filter, can take place.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass eine vorausschauende Gewichtung erfolgt. Bevorzugt werden die Gewichtungsfaktoren vorausschauend bestimmt und/oder (entsprechend der (vorausschauenden) Bestimmung in Schritt c)) vorausschauend geändert bzw. angepasst. Besonders bevorzugt werden die Gewichtungsfaktoren während des (normalen) insbesondere autonomen Betriebs bzw. im laufenden insbesondere autonomen Fahrbetrieb des Fahrzeugs vorausschauend bestimmt und/oder (entsprechend der (vorausschauenden) Bestimmung in Schritt c)) geändert. Für die vorausschauende Gewichtung können alle Informationen genutzt werden, die im Vorfeld einer Positionsbestimmung bereits verfügbar sind. Hierzu zählen beispielsweise Daten über Lenkwinkel und Geschwindigkeit, welche eine Abschätzung ermöglichen wo das Kraftfahrzeug zu einem in (naher) Zukunft liegenden Zeitpunkt sein wird. Hierzu zählen genauso Kartendaten, die zusammen mit einer aktuellen Position ebenfalls eine entsprechende Vorhersage ermöglichen.According to an advantageous embodiment, it is proposed that a forward-looking weighting takes place. Preferably, the weighting factors are determined in a forward-looking manner and / or (according to the (predictive) determination in step c)) is changed or adapted in a forward-looking manner. Particularly preferably, the weighting factors are determined during the (normal), in particular autonomous operation or in the current, in particular, autonomous driving operation of the vehicle, in a forward-looking manner and / or (corresponding to the (anticipatory) determination in step c)). For foresighted weighting, all information that is already available in the run-up to a position determination can be used. These include, for example, data about steering angle and speed, which allow an estimate where the motor vehicle will be at a (near) future time. This also includes map data, which together with a current position also allow a corresponding prediction.

Bevorzugt werden die Gewichtungsfaktoren (während des Fahrbetriebs des Fahrzeugs) in Abhängigkeit eines zu erwartenden Umgebungsszenarios bestimmt, insbesondere bevor die Eingangsgrößen (in diesem Umgebungsszenario) empfangen werden. Dies bedeutet mit anderen Worten insbesondere, dass die Gewichtungsfaktoren für (voraussichtlich) zu empfangende bzw. zukünftig empfangene Eingangsgrößen bestimmt werden. Das zu erwartende Umgebungsszenario ist insbesondere durch Kartendaten geprägt, die an einer Position vorliegen auf die sich das Fahrzeugs zubewegt.Preferably, the weighting factors (during driving of the vehicle) are determined in dependence on an expected environmental scenario, in particular before the input variables (in this environmental scenario) are received. In other words, this means in particular that the weighting factors are determined for (presumably) received or future received input variables. The expected environmental scenario is characterized, in particular, by map data that are present at a position toward which the vehicle is moving.

Vorzugsweise werden die Gewichtungsfaktoren unter Verwendung bzw. in Abhängigkeit von Kartendaten, die eine Position betreffen, auf die sich das Fahrzeug zubewegt, bestimmt. Weiterhin bevorzugt werden die Gewichtungsfaktoren (unmittelbar) vor einem Erreichen oder Passieren dieser Position bzw. eines Punkts auf der Karte, der für die Bestimmung in Schritt c) maßgeblich war, (entsprechend der Bestimmung in Schritt c)) geändert bzw. angepasst. In der Regel fließen die Gewichtungsfaktoren dann entsprechend geändert bzw. angepasst in die Gewichtung der Eingangsgrößen ein, die für diese Position empfangen und/oder an dieser Position ermittelt wurden.Preferably, the weighting factors are determined using map data relating to a position toward which the vehicle is moving. Furthermore, the weighting factors (directly) before reaching or passing this position or a point on the map which was decisive for the determination in step c) are changed or adapted (corresponding to the determination in step c)). As a rule, the weighting factors then flow into the weighting of the input variables that have been received for this position and / or determined at this position, correspondingly changed or adapted.

Beispielsweise kann die Gewichtung der Eingangsgrößen bzw. die Bestimmung der Gewichtungsfaktoren unter Verwendung von Trajektorien-Daten einer Straßenkarte, auf welcher das (autonome) Fahrzeug momentan unterwegs ist, vorausschauend erfolgen. Hierbei kann beispielsweise eine (kommende) Kurvenfahrt bereits im Voraus erkannt werden und somit der Einfluss der Beschleunigungs- und Drehratensensoren (innerhalb des Kalman-Filters) rechtzeitig erhöht werden, beispielsweise unmittelbar vor der Kurvenfahrt selbst.For example, the weighting of the input quantities or the determination of the weighting factors can be carried out in a forward-looking manner using trajectory data of a road map on which the (autonomous) vehicle is currently traveling. In this case, for example, an (upcoming) cornering can already be detected in advance and thus the influence of the acceleration and yaw rate sensors (within the Kalman filter) can be increased in time, for example immediately before cornering itself.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass das Gewichten mittels eines Kalman-Filters erfolgt. Vorzugsweise ist der Kalman-Filter innerhalb des Bewegungs- und Positionssensors gebildet bzw. vorgesehen.According to an advantageous embodiment, it is proposed that the weighting takes place by means of a Kalman filter. Preferably, the Kalman filter is formed within the motion and position sensor.

Vorzugsweise werden die Kartendaten vor Schritt c) empfangen. Bevorzugt empfängt der Bewegungs- und Positionssensor des Fahrzeugs die Kartendaten. Hierzu können die Kartendaten dem Bewegungs- und Positionssensor beispielsweise von einem Kartensteuergerät (des Fahrzeugs) bereitgestellt bzw. zur Verfügung gestellt werden. Alternativ oder kumulativ kann vorgesehen sein, dass eine zumindest zentrale oder übergeordnete Verarbeitungseinrichtung die Kartendaten empfängt. Dieser können die Kartendaten von einem Kartensteuergerät des Fahrzeugs bzw. mindestens eines Fahrzeugs und/oder von einem fahrzeugexternen Kartendienst bereitgestellt werden.Preferably, the map data is received before step c). Preferably, the motion and position sensor of the vehicle receives the map data. For this purpose, the map data can be made available or made available to the motion and position sensor, for example, by a map control device (of the vehicle). Alternatively or cumulatively, it can be provided that an at least central or higher-level processing device receives the map data. This can be provided to the map data from a card control device of the vehicle or at least one vehicle and / or from an off-board map service.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass die Kartendaten zumindest Daten einer (digitalen) Straßenkarte oder Daten einer (digitalen) Merkmalskarte umfassen. Die Straßenkarte kann beispielsweise Angaben über Straßenverläufe bereitstellen. Die Merkmalskarte kann beispielsweise Angaben über Infrastrukturpunkte, wie etwa Gebäude, Signalanlagen, Tunnel und dergleichen, insbesondere über deren Position und räumliche Ausbreitung (Länge, Breite, Höhe), bereitstellen. According to an advantageous embodiment, it is proposed that the map data comprise at least data of a (digital) road map or data of a (digital) feature map. The road map can, for example, provide information about road courses. The feature map can provide, for example, information about infrastructure points, such as buildings, signal systems, tunnels and the like, in particular about their position and spatial spread (length, width, height).

Nach einer weiteren vorteilhaften Ausgestaltung wird vorgeschlagen, dass die Kartendaten zumindest Lage, Größe oder Position weiterer Verkehrsteilnehmer innerhalb eines Mindestabstands um das eigene Fahrzeugs herum umfassen. Bei dem Mindestabstand handelt es sich vorzugsweise um einen (vor-)definierten Mindestabstand. Hierzu können beispielsweise benachbarte Fahrzeuge Angaben über ihre Lage, Größe (z.B. (Außen-)Abmessung)) und/oder Position über eine Fahrzeug-zu-X Kommunikationsverbindung an ein Kartensteuergerät des eigenen Fahrzeugs übermitteln.According to a further advantageous embodiment, it is proposed that the map data include at least the location, size or position of other road users within a minimum distance around the own vehicle. The minimum distance is preferably a (pre-) defined minimum distance. For example, adjacent vehicles may communicate information about their location, size (e.g., (outer) dimension), and / or position via a vehicle-to-X communication link to a host vehicle's card controller.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass die Kartendaten vorverarbeitet bereitgestellt werden. Vorzugsweise werden die Kartendaten vorverarbeitet in einen Kalman-Filter (des Bewegungs- und Positionssensors) hinein geführt. Beispielsweise kann innerhalb des Bewegungs- und Positionssensors oder insbesondere aus Rechenkapazitätsgründen auf einer weiteren Vorrichtung, wie beispielsweise einem Kartensteuergerät, eine Vorverarbeitung der Kartendaten erfolgen. Hierbei können Informationen für die Gewichtung (Gewichtsinformationen) bzw. Gewichtungsfaktoren für die Eingangsdaten anhand der Kartendaten gesondert bestimmt und insbesondere erst dann in den Kalman-Filter eingeführt werden. In vorteilhafter Weise kann der Kalman-Filter dadurch schlanker ausgelegt werden, insbesondere da die Gewichtsfunktionen bzw. Gewichtungsfaktoren außerhalb bestimmt, insbesondere berechnet werden. Insbesondere ist der Kalman-Filter in diesem Fall nur noch für die Fusion, beispielsweise der Eingangsgrößen mit den entsprechenden Gewichten bzw. Gewichtungsfaktoren zuständig.According to an advantageous embodiment, it is proposed that the map data be provided preprocessed. Preferably, the map data is preprocessed into a Kalman filter (the motion and position sensor). For example, preprocessing of the map data can take place within the motion and position sensor or, in particular for reasons of computing capacity, on a further device, such as a card control device. In this case, information for the weighting (weight information) or weighting factors for the input data can be determined separately on the basis of the map data and in particular only then introduced into the Kalman filter. Advantageously, the Kalman filter can thereby be made leaner, in particular because the weight functions or weighting factors are determined outside, in particular calculated. In particular, in this case the Kalman filter is only responsible for the fusion, for example the input variables with the corresponding weights or weighting factors.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass die Gewichtungsfaktoren von einer zumindest zentralen oder übergeordneten Verarbeitungseinrichtung bestimmt werden. Die zentrale und/oder übergeordnete Verarbeitungseinrichtung kann in der Art einer sog. Cloud gebildet sein. Bevorzugt erfolgt eine Übertragung der momentanen Fahrzeugposition über eine Fahrzeug-zu-X Kommunikationsverbindung an die zentrale und/oder übergeordnete Verarbeitungseinrichtung. Innerhalb dieser, welche über ausreichende Rechenkapazitäten verfügt, können nun die Gewichtungsfaktoren für die Eingangsgrößen (für den Kalman-Filter des Bewegungs- und Positionssensor des Fahrzeugs) bestimmt werden. Beispielsweise kann die Bestimmung mit Hilfe der bereits erwähnten Kartendaten erfolgen.According to an advantageous embodiment, it is proposed that the weighting factors are determined by an at least central or higher-level processing device. The central and / or higher-level processing device can be formed in the manner of a so-called cloud. Preferably, the current vehicle position is transmitted via a vehicle-to-X communication connection to the central and / or higher-order processing device. Within this, which has sufficient computing capacity, the weighting factors for the input variables (for the Kalman filter of the motion and position sensor of the vehicle) can now be determined. For example, the determination can be made with the aid of the already mentioned map data.

Nach der Bestimmung der Gewichtungsfaktoren durch die zentrale und/oder übergeordnete Verarbeitungseinrichtung können diese Gewichtungsfaktoren (in Echtzeit) insbesondere über eine Fahrzeug-zu-X Kommunikationsverbindung in den Bewegungs- und Positionssensor zurück übertragen werden, beispielsweise über ein Fahrzeuggateway. Der Bewegungs- und Positionssensor kann nun seine Position (hochgenau) in der Welt unter Verwendung dieser Gewichtungsfaktoren aus der Verarbeitungseinrichtung ermitteln. Dadurch kann ein Kalman-Filter des Bewegungs- und Positionssensors in vorteilhafter Weise (noch) schlanker ausgelegt werden und/oder es können Ressourcen im Bewegungs- und Positionssensor eingespart werden.After the weighting factors have been determined by the central and / or higher-level processing device, these weighting factors can be transmitted back to the movement and position sensor (in real time), in particular via a vehicle-to-X communication link, for example via a vehicle gateway. The motion and position sensor can now determine its position (high accuracy) in the world using these weighting factors from the processing device. As a result, a Kalman filter of the motion and position sensor can advantageously (still) be made leaner and / or resources can be saved in the motion and position sensor.

Alternativ oder kumulativ kann die zentrale und/oder übergeordnete Verarbeitungseinrichtung mit einer sog. Lookup-Tabelle ausgestattet sein, die vorzugsweise zyklisch (in bestimmten Abständen) aktualisiert wird. In dieser Lookup-Tabelle kann hinterlegt sein, wie bestimmte Eingangsgrößen eines Bewegungs- und Positionssensors an einer bestimmten Fahrzeugposition für die Positionsberechnung zu gewichten sind. Hierzu sind in der Lookup-Tabelle besonders bevorzugt (positionsspezifisch) Gewichtungsfaktoren hinterlegt, die unter Verwendung der Kartendaten bestimmt wurden. Die Lookup-Tabelle wird vorzugsweise (auch) anhand von Wetterdaten, Gebäudestrukturen und/oder Straßenveränderungen (Kartendaten und/oder deren Änderungen) aktualisiert.Alternatively or cumulatively, the central and / or higher-level processing device can be equipped with a so-called look-up table, which is preferably updated cyclically (at specific intervals). This lookup table can be used to define how certain input variables of a motion and position sensor at a particular vehicle position are to be weighted for the position calculation. For this purpose, weighting factors which were determined using the map data are stored in the look-up table with particular preference (position-specific). The look-up table is preferably (also) updated based on weather data, building structures, and / or road changes (map data and / or changes thereto).

Die Lookup-Tabelle beinhaltet vorzugsweise (nur) vergleichsweise grobe Gewichtungsfaktoren für eine Position und/oder berücksichtigt (nur) statische Kartendaten, etwa Strukturen wie Gebäude oder Tunnel. Dies kann beispielsweise ausreichend sein, sofern nur die Trajektorie und/oder umliegende Strukturen in der Gewichtungsermittlung verwendet werden. Werden jedoch auch weitere Verkehrsteilnehmer mit berücksichtigt (dynamisch) so ist es besonders bevorzugt, dass die vergleichsweise groben Gewichtungsfaktoren der Lookup-Tabelle mit den (allen) Fahrzeugpositionen und/oder räumlichen Fahrzeugausbreitungen der weiteren Verkehrsteilnehmer innerhalb des Mindestabstands um das eigene Fahrzeug herum in der Cloud oder auf dem Fahrzeug (fahrzeugseitig, insbesondere mittels des Bewegungs- und Positionssensors) verfeinert werden, wobei vorzugsweise die vergleichsweise groben Gewichtungsfaktoren aus der Cloud Lookup-Tabelle stammen. Die Lookup-Tabelle deckt somit vorzugsweise statische Kartendaten, wie Strukturen bzw. Merkmale ab. Durch beispielsweise eine Multiplikation dieser Lookup-Tabellen-Gewichtungsfaktoren mit Faktoren, die auf Basis der weiteren Verkehrsteilnehmer ermittelt wurden, können die endgültigen Gewichtungsfaktoren bestimmt werden. Vorzugsweise führt das Fahrzeug, insbesondere der Bewegungs- und Positionssensor diese Multiplikation lokal durch oder übernimmt die endgültigen Gewichtungsfaktoren aus der Cloud.The look-up table preferably contains (only) comparatively coarse weighting factors for a position and / or takes into account (only) static map data, such as structures such as buildings or tunnels. This may be sufficient, for example, if only the trajectory and / or surrounding structures are used in the weighting determination. However, if other road users are taken into account (dynamically), it is particularly preferred that the comparatively coarse weighting factors of the lookup table with the (all) vehicle positions and / or spatial vehicle propagation of the other road users within the minimum distance around the own vehicle in the cloud or on the vehicle (on the vehicle side, in particular by means of the motion and position sensor) be refined, preferably the comparatively coarse weighting factors come from the Cloud Lookup table. The lookup table thus preferably covers static map data, such as structures or features. By example, a Multiplication of these look-up table weighting factors with factors determined on the basis of the other road users, the final weighting factors can be determined. The vehicle, in particular the motion and position sensor, preferably performs this multiplication locally or adopts the final weighting factors from the cloud.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass die Gewichtungsfaktoren über eine Fahrzeug-zu-X Kommunikationsverbindung bzw. nach diesem Standard an das Fahrzeug (zurück) übertragen werden. Bevorzugt empfängt der Bewegungs- und Positionssensor die Gewichtungsfaktoren über die Fahrzeug-zu-X-Kommunikationsverbindung (engl.: Car-to-X Communication) bzw. nach diesem Standard insbesondere von der zentralen und/oder übergeordneten Verarbeitungseinrichtung insbesondere über eine oder mehrere Empfangseinheit(en), insbesondere Antenne(n) des Fahrzeugs und/oder über anderen Verkehrsteilnehmer und/oder Infrastruktureinrichtungen. Unter Fahrzeug-zu-Fahrzeug Kommunikation (engl.: Car-to-Car Communication, oder kurz: Car2Car oder C2C) wird der Austausch von Informationen und Daten zwischen (Kraft-) Fahrzeugen verstanden. Ziel dieses Datenaustausches ist es, dem Fahrer frühzeitig kritische und gefährliche Situationen zu melden. Die betreffenden Fahrzeuge sammeln Daten, wie ABS-Eingriffe, Lenkwinkel, Position, Richtung und Geschwindigkeit, und senden diese Daten über Funk (WLAN, UMTS, etc.) an die anderen Verkehrsteilnehmer. Dabei soll die „Sichtweite“ des Fahrers mit elektronischen Mitteln verlängert werden. Unter Fahrzeug-zu-Infrastruktur Kommunikation (engl.: Car-to-Infrastructure, oder kurz: C2I) wird der Austausch von Daten zwischen einem Fahrzeug und der umliegenden Infrastruktur (z.B. Lichtzeichenanlagen) verstanden. Die genannten Technologien basieren auf dem Zusammenwirken von Sensoren der verschiedenen Verkehrspartner und verwenden neueste Verfahren der Kommunikationstechnologie zum Austausch dieser Informationen. Fahrzeug-zu-X ist hierbei ein Oberbegriff für die verschiedenen Kommunikationsverbindungen, wie Fahrzeug-zu-Fahrzeug und Fahrzeug-zu-Infrastruktur.According to an advantageous embodiment, it is proposed that the weighting factors are transmitted to the vehicle (back) via a vehicle-to-X communication connection or according to this standard. Preferably, the motion and position sensor receives the weighting factors via the vehicle-to-X communication connection or, according to this standard, in particular from the central and / or higher-order processing device, in particular via one or more receiver units. en), in particular antenna (s) of the vehicle and / or other road users and / or infrastructure facilities. Car-to-Car Communication (or Car2Car or C2C for short) is understood to mean the exchange of information and data between (power) vehicles. The aim of this data exchange is to inform the driver at an early stage of critical and dangerous situations. The vehicles in question collect data, such as ABS interventions, steering angle, position, direction and speed, and send this data over the radio (WLAN, UMTS, etc.) to the other road users. The aim is to extend the "sight of the driver" by electronic means. Car-to-Infrastructure (or C2I for short) is understood to mean the exchange of data between a vehicle and the surrounding infrastructure (eg traffic lights). The technologies mentioned are based on the interaction of sensors of different traffic partners and use the latest methods of communication technology to exchange this information. Vehicle-to-X is a generic term for the various communication links, such as vehicle-to-vehicle and vehicle-to-infrastructure.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass in Schritt e) ein Fusionieren der in Schritt a) und b) empfangenen und in Schritt d) gewichteten Eingangsgrößen mittels eines Kalman-Filters erfolgt. Der Kalman-Filter ist vorzugsweise in dem Bewegungs- und Positionssensor hinterlegt.According to an advantageous embodiment, it is proposed that, in step e), the input variables received in step a) and b) and weighted in step d) are merged by means of a Kalman filter. The Kalman filter is preferably deposited in the motion and position sensor.

Nach einer vorteilhaften Ausgestaltung wird vorgeschlagen, dass das Ermitteln in Schritt e) mittels eines (künstlichen) neuronalen Netzes mit Gewichten erfolgt. Das neuronale Netz kann in der Art eines sich automatisiert anpassenden bzw. selbstlernenden Algorithmus ausgebildet sein. Vorzugsweise wird dabei ein Ansatz verfolgt, der auf Künstliche-Intelligenz-(KI)-Verfahren basiert bzw. diese anwendet. Dies bedeutet mit anderen Worten insbesondere, dass der Algorithmus die Ermittlung der Fahrzeugposition durch Einsatz einer künstlichen Intelligenz (KI) bereitstellt. Als Eingangsdaten in dieses neuronale Netz, können (unter anderem) eine oder mehrere der oben beschriebenen Eingangsgrößen und/oder die Kartendaten verwendet werden.According to an advantageous embodiment, it is proposed that the determination in step e) be carried out by means of an (artificial) neural network with weights. The neural network may be in the nature of an automatically adaptive or self-learning algorithm. Preferably, an approach based on or applying artificial intelligence (AI) methods is pursued. In other words, this means in particular that the algorithm provides the determination of the vehicle position by using artificial intelligence (AI). As input data to this neural network, one or more of the input variables described above and / or the map data may be used (among others).

Das neuronale Netz bzw. die KI verwendet vorzugsweise die obigen Eingangsgrößen (empfangen in den Schritten a) und b)) sowie die Kartendaten als Eingänge und berechnet mit Hilfe von gelernten Gewichten innerhalb des Netzes bzw. der KI die Fahrzeugposition. Besonders bevorzugt wird in Schritt c) zumindest ein Gewicht des neuronalen Netzes angepasst. Das neuronale Netz bzw. die KI verwendet für das Setzen bzw. Anpassen der (internen) Gewichte vorzugsweise Kartendaten. Besonders bevorzugt erlernt das neuronale Netz bzw. die KI zumindest einige seiner Gewichte auf Basis von Kartendaten.The neural network or AI preferably uses the above inputs (received in steps a) and b)) as well as the map data as inputs and calculates the vehicle position using learned weights within the network or KI. Particularly preferably, at least one weight of the neural network is adapted in step c). The neural network or the AI preferably uses map data for setting (or adjusting) the (internal) weights. Particularly preferably, the neural network or the AI learns at least some of its weights on the basis of map data.

In einer besonders vorteilhaften Ausführungsform ist der Kalmanfilter als Künstliche Intelligenz (KI), beispielsweise als neuronales Netz ausgeführt. Die Positionsbestimmung erfolgt hierbei vorzugsweise basierend auf den Kartendaten sowie den (in Schritt a) empfangenen) GNSS-Daten und der (in Schritt b) empfangenen) mindestens einen weiteren Eingangsgröße. Eine separate und/oder explizite Bestimmung der Gewichtungsfaktoren für die Eingangsgrößen ist in diesem Fall nicht zwingend notwendig, da die KI bzw. das neuronale Netz das Gewichten intern selbst abbilden kann, insbesondere durch die gelernten Gewichte. Dies bedeutet mit anderen Worten insbesondere, dass die KI bzw. das neuronale Netz die Gewichtungsfaktoren implizit bestimmt bzw. dass die internen Gewichte der KI bzw. des neuronalen Netzes Gewichtungsfaktoren im Sinne der hier vorgestellten Lösung darstellen und/oder umfassen können. Die internen Gewichte der KI können vorab mit den relevanten Eingangsdaten und möglichst vielen Szenarien gelernt werden. Die KI bekommt hierzu als (relevante) Eingangsdaten insbesondere die folgenden Größen:

  • • GNSS-Daten als eine Eingangsgröße (empfangen in Schritt a)),
  • • mindestens eine weitere Eingangsgröße (empfangen in Schritt b)), und
  • • Kartendaten.
In a particularly advantageous embodiment, the Kalman filter is designed as Artificial Intelligence (AI), for example as a neural network. In this case, the position determination preferably takes place based on the map data and the GNSS data (received in step a) and the at least one further input variable received (in step b). A separate and / or explicit determination of the weighting factors for the input variables is not absolutely necessary in this case, since the KI or the neural network can internally map the weights themselves, in particular by the learned weights. In other words, this means in particular that the KI or the neural network implicitly determines the weighting factors or that the internal weights of the KI or of the neural network can represent and / or comprise weighting factors in the sense of the solution presented here. The internal weights of the AI can be learned in advance with the relevant input data and as many scenarios as possible. The AI receives as (relevant) input data in particular the following quantities:
  • GNSS data as an input (received in step a)),
  • • at least one additional input (received in step b)), and
  • • map data.

Basierend auf diesen Eingangsdaten kann die KI die (genaue) Fahrzeugposition unter Verwendung der GNSS-Daten, der mindestens einen weiteren Eingangsgröße und der Kartendaten (unter Zuhilfenahme der internen Gewichte) ermitteln. Diese Ausführungsform bietet den besonderen Vorteil, dass die Gewichtsfaktorenbestimmung innerhalb der KI selbst abgebildet ist und somit die KI für die Abbildung des Kalmanfilters auch die Gewichtungsfunktion der Eingangsgrößen implizit mit enthält.Based on these input data, the AI can determine the (exact) vehicle position using the GNSS data, the at least one other input and the map data (using the internal weights). These Embodiment offers the particular advantage that the determination of weight factors within the KI itself is shown and thus the KI for the mapping of the Kalman filter implicitly also includes the weighting function of the input variables.

Nach einem weiteren Aspekt wird ein Computerprogramm zur Durchführung eines hier vorgestellten Verfahrens vorgeschlagen. Dies betrifft mit anderen Worten insbesondere ein Computerprogramm(-produkt), umfassend Befehle, die bei der Ausführung des Programms durch einen Computer diesen veranlassen, ein hier beschriebenes Verfahren auszuführen.According to a further aspect, a computer program for carrying out a method presented here is proposed. In other words, in particular, this relates to a computer program (product) comprising instructions which, when executed by the computer by a program, cause it to execute a method described herein.

Nach einem weiteren Aspekt wird ein Maschinenlesbares Speichermedium vorgeschlagen, auf dem das hier vorgeschlagene Computerprogramm gespeichert ist. Regelmäßig handelt es sich bei dem maschinenlesbaren Speichermedium um einen computerlesbaren Datenträger.According to a further aspect, a machine-readable storage medium is proposed, on which the computer program proposed here is stored. The machine-readable storage medium is usually a computer-readable data carrier.

Nach einem weiteren Aspekt wird ein Bewegungs- und Positionssensor vorgeschlagen, eingerichtet zur Durchführung eines hier vorgeschlagenen Verfahrens. Beispielsweise kann das zuvor beschriebene Speichermedium Bestandteil des Bewegungs- und Positionssensors oder mit diesem verbunden sein. Vorzugsweise ist der Bewegungs- und Positionssensor in oder an dem Fahrzeug angeordnet oder zur Montage in oder an einem solchen vorgesehen und eingerichtet. Der Bewegungs- und Positionssensor ist weiterhin bevorzugt für einen autonomen Betrieb des Fahrzeugs, insbesondere eines Automobils vorgesehen und eingerichtet. Der Bewegungs- und Positionssensor beziehungsweise eine Recheneinheit (Prozessor) des Bewegungs- und Positionssensors kann beispielsweise auf das hier beschriebene Computerprogramm zugreifen, um ein hier beschriebenes Verfahren auszuführen.According to a further aspect, a motion and position sensor is proposed, configured for carrying out a method proposed here. For example, the storage medium described above may be part of or associated with the motion and position sensor. Preferably, the movement and position sensor is arranged in or on the vehicle or provided for installation in or on such a vehicle and set up. The movement and position sensor is furthermore preferably provided and set up for autonomous operation of the vehicle, in particular of an automobile. The motion and position sensor or a computing unit (processor) of the motion and position sensor can, for example, access the computer program described here in order to carry out a method described here.

Bei dem Bewegungs- und Positionssensoren handelt es sich bevorzugt um einen GNSS-Sensor. Der Bewegungs- und Positionssensor kann ein Positions- und Ausrichtungssensor sein. Darüber hinaus kann der GNSS-Sensor als GNSS basierter Positions- und Ausrichtungssensor ausgestaltet sein. GNSS- bzw. (Fahrzeug-)Bewegungs- und Positionssensoren werden für das automatisierte bzw. autonome Fahren benötigt und berechnen eine hochgenaue Fahrzeugposition mit Hilfe von Navigationssatellitendaten (GPS, GLONASS, Beidou, Galileo), die auch als Navigationssatellitensystem- bzw. GNSS-Daten bezeichnet werden. Die Berechnung basiert hierbei im Grunde auf einer Laufzeitmessung der (elektromagnetischen) GNSS-Signale von mindestens vier Satelliten. Darüber hinaus können Korrekturdaten von so genannten Korrekturdiensten im Sensor mitverwendet werden, um die Position des Fahrzeugs noch genauer zu berechnen. Zusammen mit den empfangenen GNSS-Daten wird im Sensor regelmäßig auch eine hochgenaue Zeit (wie Universal Time) eingelesen und für die genaue Positionsbestimmung verwendet. Weitere Eingangsdaten in den Positionssensor können (unter anderem) Raddrehzahlen, Lenkwinkel, sowie Beschleunigungs- und Drehratendaten sein. Bevorzugt ist der Bewegungs- und Positionssensor dazu eingerichtet, eine Eigenposition, Eigenorientierung und/oder Eigengeschwindigkeit auf Basis von GNSS-Daten zu ermitteln.The motion and position sensors are preferably a GNSS sensor. The motion and position sensor may be a position and orientation sensor. In addition, the GNSS sensor can be designed as a GNSS-based position and orientation sensor. GNSS or (vehicle) motion and position sensors are needed for automated or autonomous driving and calculate a highly accurate vehicle position using navigation satellite data (GPS, GLONASS, Beidou, Galileo), also called Navigation Satellite System (GNSS) data be designated. The calculation is basically based on a transit time measurement of (electromagnetic) GNSS signals from at least four satellites. In addition, correction data from so-called correction services in the sensor can be used to calculate the position of the vehicle even more accurately. Together with the received GNSS data, a high-precision time (such as Universal Time) is regularly read in the sensor and used for the exact position determination. Other input data to the position sensor may include (among others) wheel speeds, steering angles, as well as acceleration and yaw rate data. Preferably, the motion and position sensor is adapted to determine an eigenposition, self-orientation and / or airspeed based on GNSS data.

Die im Zusammenhang mit dem Verfahren zur satellitengestützten Ermittlung einer Fahrzeugposition erörterten Details, Merkmale und vorteilhaften Ausgestaltungen können entsprechend auch bei dem hier vorgestellten Verfahren zur Verbesserung der Genauigkeitsabschätzung einer satellitengestützt ermittelten Fahrzeugposition, dem Bewegungs- und Positionssensor, dem Computerprogram und/oder dem Speichermedium auftreten und umgekehrt. Insoweit wird auf die dortigen Ausführungen zur näheren Charakterisierung der Merkmale vollumfänglich Bezug genommen.The details, features and advantageous embodiments discussed in connection with the method for satellite-assisted determination of a vehicle position can accordingly also occur in the method presented here for improving the accuracy estimation of a satellite-supported vehicle position, the motion and position sensor, the computer program and / or the storage medium, and vice versa. In that regard, reference is made in full to the statements there for a more detailed characterization of the features.

Die hier vorgestellte Lösung sowie deren technisches Umfeld werden nachfolgend anhand der Figuren näher erläutert. Es ist darauf hinzuweisen, dass die Erfindung durch die gezeigten Ausführungsbeispiele nicht beschränkt werden soll. Insbesondere ist es, soweit nicht explizit anders dargestellt, auch möglich, Teilaspekte der in den Figuren erläuterten Sachverhalte zu extrahieren und mit anderen Bestandteilen und/oder Erkenntnissen aus anderen Figuren und/oder der vorliegenden Beschreibung zu kombinieren. Es zeigt schematisch:

  • 1: einen Ablauf eines hier vorgestellten Verfahrens zur satellitengestützten Ermittlung einer Fahrzeugposition mittels eines Bewegungs- und Positionssensors bei einem regulären Betriebsablauf.
The solution presented here and its technical environment are explained in more detail below with reference to the figures. It should be noted that the invention should not be limited by the embodiments shown. In particular, unless explicitly stated otherwise, it is also possible to extract partial aspects of the facts explained in the figures and to combine them with other components and / or findings from other figures and / or the present description. It shows schematically:
  • 1 a sequence of a method presented here for the satellite-based determination of a vehicle position by means of a motion and position sensor in a regular operating sequence.

1 zeigt schematisch einen Ablauf eines hier vorgestellten Verfahrens zur satellitengestützten Ermittlung einer Fahrzeugposition mittels eines Bewegungs- und Positionssensors bei einem regulären Betriebsablauf. Die dargestellte Reihenfolge der Verfahrensschritte a), b), c), d) und e) mit den Blöcken 110, 120, 130, 140 und 150 ist lediglich beispielhaft. In Block 110 erfolgt ein Empfangen von GNSS-Daten als eine Eingangsgröße. In Block 120 erfolgt ein Empfangen von mindestens einer weiteren Eingangsgröße. In Block 130 erfolgt ein Bestimmen von Gewichtungsfaktoren für die Eingangsgrößen unter Verwendung von Kartendaten. In Block 140 erfolgt ein Gewichten der in Schritt a) und b) empfangenen Eingangsgrößen mit den in Schritt c) bestimmten Gewichtungsfaktoren. In Block 150 erfolgt ein Ermitteln der Fahrzeugposition unter Verwendung der in Schritt a) und b) empfangenen und in Schritt d) gewichteten Eingangsgrößen. 1 schematically shows a sequence of a method presented here for the satellite-based determination of a vehicle position by means of a motion and position sensor in a regular operation. The illustrated sequence of process steps a), b), c), d) and e) with the blocks 110 . 120 . 130 . 140 and 150 is just an example. In block 110 GNSS data is received as an input. In block 120 there is received at least one further input variable. In block 130 a determination is made of weighting factors for the input quantities using map data. In block 140 a weighting of the input variables received in step a) and b) takes place with the weighting factors determined in step c). In block 150 the vehicle position is determined using the input variables received in step a) and b) and weighted in step d).

Insbesondere die Verfahrensschritte a) und b) oder d) und e) können auch zumindest teilweise parallel oder zeitgleich ablaufen.In particular, the method steps a) and b) or d) and e) can also run at least partially in parallel or at the same time.

Die hier vorgestellte Lösung ermöglich insbesondere einen oder mehrere der nachfolgenden Vorteile:

  • • Die Berechnung einer hochgenauen Fahrzeugposition innerhalb eines Bewegungs- und Positionssensors kann mit Hilfe der erwähnten Zusatzgrößen innerhalb eines Kalman Filters noch genauer erfolgen.
  • • Auf diese Weise wird die Sicherheit im Straßenverkehr erhöht, da die Position eines autonomen Fahrzeugs mit Hilfe des Bewegungs- und Positionssensors noch genauer und zuverlässiger bestimmt werden kann.
  • • Die zusätzlichen Eingangsgrößen sind innerhalb eines autonomen Fahrzeugs ohnehin verfügbar. Ein hinein führen dieser Eingangsdaten bzw. vorverarbeiteten Eingangsdaten in den Bewegungs- und Positionssensor ist somit mit vertretbarem Aufwand realisierbar.
  • • Durch die Bestimmung der Gewichtungsfaktoren eines Kalman Filters des Bewegungs- und Positionssensors in der Cloud kann ein Bewegungs- und Positionssensors- Rechner schlanker und günstiger ausgelegt werden.
In particular, the solution presented here enables one or more of the following advantages:
  • • The calculation of a highly accurate vehicle position within a motion and position sensor can be done even more accurately with the aid of the mentioned additional variables within a Kalman filter.
  • • In this way, road safety is increased because the position of an autonomous vehicle can be determined even more accurately and reliably with the aid of the motion and position sensor.
  • • The additional input quantities are available anyway within an autonomous vehicle. A leading into this input data or preprocessed input data in the motion and position sensor is thus feasible with reasonable effort.
  • • By determining the weighting factors of a Kalman filter of the motion and position sensor in the cloud, a motion and position sensor calculator can be made leaner and cheaper.

Claims (15)

Verfahren zur satellitengestützten Ermittlung einer Fahrzeugposition mittels eines Bewegungs- und Positionssensors, umfassend folgende Schritte: a) Empfangen von GNSS-Daten als eine Eingangsgröße, b) Empfangen von mindestens einer weiteren Eingangsgröße, c) Bestimmen von Gewichtungsfaktoren für die Eingangsgrößen unter Verwendung von Kartendaten, d) Gewichten der in Schritt a) und b) empfangenen Eingangsgrößen mit den in Schritt c) bestimmten Gewichtungsfaktoren, e) Ermitteln der Fahrzeugposition unter Verwendung der in Schritt a) und b) empfangenen und in Schritt d) gewichteten Eingangsgrößen.Method for the satellite-based determination of a vehicle position by means of a motion and position sensor, comprising the following steps: a) receiving GNSS data as an input, b) receiving at least one further input variable, c) determining weighting factors for the input quantities using map data, d) weighting the input variables received in step a) and b) with the weighting factors determined in step c), e) determining the vehicle position using the input variables received in step a) and b) and weighted in step d). Verfahren nach Anspruch 1, wobei in Schritt b) mindestens eine der folgenden weiteren Eingangsgrößen empfangen wird: - GNSS-Korrekturdaten, - Daten von Beschleunigungs- und Drehratensensoren, - Inertialsensor-Daten, - Raddrehzahlen, - Lenkwinkel, - Fahrzeuggeschwindigkeit, - Fahrtrichtung.Method according to Claim 1 , wherein in step b) at least one of the following further input variables is received: - GNSS correction data, - data from acceleration and yaw rate sensors, - inertial sensor data, - wheel speeds, - steering angle, - vehicle speed, - direction of travel. Verfahren nach Anspruch 1 oder 2, wobei eine vorausschauende Gewichtung erfolgt.Method according to Claim 1 or 2 , where a forward-looking weighting takes place. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Gewichten mittels eines Kalman-Filters erfolgt.Method according to one of the preceding claims, wherein the weighting is carried out by means of a Kalman filter. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kartendaten vor Schritt c) empfangen werden.Method according to one of the preceding claims, wherein the map data is received before step c). Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kartendaten zumindest Daten einer Straßenkarte oder Daten einer Merkmalskarte umfassen.Method according to one of the preceding claims, wherein the map data comprise at least data of a road map or data of a feature map. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kartendaten zumindest Lage, Größe oder Position weiterer Verkehrsteilnehmer innerhalb eines Mindestabstands um das eigene Fahrzeugs herum umfassen.Method according to one of the preceding claims, wherein the map data at least location, size or position of other road users within a minimum distance around the own vehicle around. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Kartendaten vorverarbeitet bereitgestellt werden.Method according to one of the preceding claims, wherein the map data are provided preprocessed. Verfahren nach einem der vorhergehenden Ansprüche, wobei die Gewichtungsfaktoren von einer zumindest zentralen oder übergeordneten Verarbeitungseinrichtung bestimmt werden.Method according to one of the preceding claims, wherein the weighting factors are determined by an at least central or higher-level processing device. Verfahren nach Anspruch 9, wobei die Gewichtungsfaktoren über eine Fahrzeug-zu-X Kommunikationsverbindung an das Fahrzeug übertragen werden.Method according to Claim 9 wherein the weighting factors are transmitted to the vehicle via a vehicle-to-X communication link. Verfahren nach einem der vorhergehenden Ansprüche, wobei in Schritt e) ein Fusionieren der in Schritt a) und b) empfangenen und in Schritt d) gewichteten Eingangsgrößen mittels eines Kalman-Filters erfolgt.Method according to one of the preceding claims, wherein in step e) a fusion of the received in step a) and b) and in step d) weighted input variables by means of a Kalman filter. Verfahren nach einem der vorhergehenden Ansprüche, wobei das Ermitteln in Schritt e) mittels eines neuronalen Netzes mit Gewichten erfolgt.Method according to one of the preceding claims, wherein the determination in step e) takes place by means of a neural network with weights. Computerprogramm zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 12.Computer program for carrying out the method according to one of Claims 1 to 12 , Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 13 gespeichert ist.Machine-readable storage medium on which the computer program is based Claim 13 is stored. Bewegungs- und Positionssensor, eingerichtet zur Durchführung des Verfahrens nach einem der Ansprüche 1 bis 12.Motion and position sensor, adapted for carrying out the method according to one of Claims 1 to 12 ,
DE102018206786.4A 2018-05-03 2018-05-03 Method for the satellite-based determination of a vehicle position by means of a motion and position sensor Pending DE102018206786A1 (en)

Priority Applications (4)

Application Number Priority Date Filing Date Title
DE102018206786.4A DE102018206786A1 (en) 2018-05-03 2018-05-03 Method for the satellite-based determination of a vehicle position by means of a motion and position sensor
CN201910356833.4A CN110441806A (en) 2018-05-03 2019-04-29 Method by moving and position sensor determines vehicle location based on satellite
US16/401,953 US11946746B2 (en) 2018-05-03 2019-05-02 Method for satellite-based detection of a vehicle location by means of a motion and location sensor
JP2019087540A JP7431511B2 (en) 2018-05-03 2019-05-07 Satellite-based method for calculating vehicle position using motion and position sensors

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102018206786.4A DE102018206786A1 (en) 2018-05-03 2018-05-03 Method for the satellite-based determination of a vehicle position by means of a motion and position sensor

Publications (1)

Publication Number Publication Date
DE102018206786A1 true DE102018206786A1 (en) 2019-11-07

Family

ID=68276422

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102018206786.4A Pending DE102018206786A1 (en) 2018-05-03 2018-05-03 Method for the satellite-based determination of a vehicle position by means of a motion and position sensor

Country Status (4)

Country Link
US (1) US11946746B2 (en)
JP (1) JP7431511B2 (en)
CN (1) CN110441806A (en)
DE (1) DE102018206786A1 (en)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018205430A1 (en) * 2018-04-11 2019-10-17 Robert Bosch Gmbh Method for satellite-based determination of a vehicle position
EP4100697A1 (en) * 2020-02-07 2022-12-14 Telefonaktiebolaget LM Ericsson (publ) Vehicle position estimation
CN111221018B (en) * 2020-03-12 2022-04-08 南京航空航天大学 GNSS multi-source information fusion navigation method for inhibiting marine multipath
CN116931038A (en) * 2022-04-07 2023-10-24 罗伯特·博世有限公司 Absolute positioning method and apparatus for vehicle

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7418346B2 (en) * 1997-10-22 2008-08-26 Intelligent Technologies International, Inc. Collision avoidance methods and systems
JPH11257982A (en) 1998-03-13 1999-09-24 Japan Radio Co Ltd Navigation system
US9121715B2 (en) * 2005-04-14 2015-09-01 General Motors Llc Method for determining vehicle location including road surface data
JP4124249B2 (en) * 2006-07-25 2008-07-23 トヨタ自動車株式会社 Positioning device, navigation system
NO20082337L (en) * 2008-05-22 2009-11-23 Modulprodukter As Method of producing road maps and use of the same, as well as road map system
JP5397915B2 (en) * 2008-07-02 2014-01-22 独立行政法人産業技術総合研究所 Attitude angle processing device for moving body
US8447519B2 (en) * 2010-11-10 2013-05-21 GM Global Technology Operations LLC Method of augmenting GPS or GPS/sensor vehicle positioning using additional in-vehicle vision sensors
JP5189157B2 (en) * 2010-11-30 2013-04-24 株式会社豊田中央研究所 Moving object target state determination device and program
US8655588B2 (en) * 2011-05-26 2014-02-18 Crown Equipment Limited Method and apparatus for providing accurate localization for an industrial vehicle
KR101535873B1 (en) * 2013-11-29 2015-07-24 현대모비스 주식회사 Car navition system and method merged gnss with dr
DE102014201824A1 (en) * 2014-02-03 2015-08-06 Robert Bosch Gmbh Method and device for determining the position of a vehicle
US9435651B2 (en) * 2014-06-04 2016-09-06 Hexagon Technology Center Gmbh System and method for augmenting a GNSS/INS navigation system in a cargo port environment
JP2016080460A (en) 2014-10-15 2016-05-16 シャープ株式会社 Moving body
US20160146616A1 (en) * 2014-11-21 2016-05-26 Alpine Electronics, Inc. Vehicle positioning by map matching as feedback for ins/gps navigation system during gps signal loss
JP6413946B2 (en) * 2015-06-16 2018-10-31 株式会社デンソー Positioning device
US11125566B2 (en) * 2015-07-16 2021-09-21 Ford Global Technologies, Llc Method and apparatus for determining a vehicle ego-position
AU2017339857B2 (en) * 2016-10-03 2021-09-16 Agjunction Llc Using optical sensors to resolve vehicle heading issues
US11080534B2 (en) * 2016-11-14 2021-08-03 Lyft, Inc. Identifying objects for display in a situational-awareness view of an autonomous-vehicle environment
US9971352B1 (en) * 2016-11-17 2018-05-15 GM Global Technology Operations LLC Automated co-pilot control for autonomous vehicles
JPWO2018181974A1 (en) * 2017-03-30 2020-05-14 パイオニア株式会社 Judgment device, judgment method, and program
DE102018202983A1 (en) * 2018-02-28 2019-08-29 Robert Bosch Gmbh Method for determining a data profile for the satellite-based determination of a position of a vehicle

Also Published As

Publication number Publication date
JP2019194592A (en) 2019-11-07
US11946746B2 (en) 2024-04-02
US20190339083A1 (en) 2019-11-07
JP7431511B2 (en) 2024-02-15
CN110441806A (en) 2019-11-12

Similar Documents

Publication Publication Date Title
EP3542237B1 (en) Autonomous control of a motor vehicle on the basis of lane data; motor vehicle
DE102015111535B4 (en) Algorithm for precise curvature estimation for the path planning of autonomous vehicles
DE102019133034A1 (en) CONTROL OF AN AUTONOMOUS VEHICLE BASED ON A PRIOR LEARNED PASSENGER AND ENVIRONMENTALLY AWARENESS DRIVING STYLE PROFILE
DE102018113926A1 (en) Autonomous vehicle propulsion systems and procedures for critical conditions
DE102018206786A1 (en) Method for the satellite-based determination of a vehicle position by means of a motion and position sensor
WO2017055151A1 (en) Method for a motor vehicle for detecting poor lane conditions, corresponding system, and corresponding motor vehicle
DE102017102605A1 (en) Operation of autonomous vehicles on the basis of interactive model-predictive control
DE102017112024A1 (en) Transmission necessity determination device and route planning system
DE102019117657A1 (en) Driving control system for a vehicle
DE102019121521A1 (en) VIDEO STABILIZATION
DE102015110812A1 (en) Motor vehicle drone deployment system
EP3830522B1 (en) Method for estimating the quality of localisation in the self-localisation of a vehicle, device for carrying out the method, vehicle, and computer program
DE102013114928B4 (en) Device and method for processing road data
DE102022110890A1 (en) COOPERATIVE ADAPTIVE CRUISE CONTROL (CACC) SYSTEM FOR CONTROL OF CONNECTED AND AUTONOMOUS VEHICLE (CAV) PLATOONS
DE102016113902A1 (en) Field-based torque control
DE102018117916A1 (en) Path planning for autonomous driving
DE102020102962A1 (en) VEHICLE TARGET TRACKING
DE102016214045A1 (en) Method and device for determining a roadway model for a vehicle environment
EP3729138B1 (en) Method for the satellite-supported determination of a position of a vehicle
DE102021103149A1 (en) METHOD AND DEVICE FOR DETERMINING THE OPTIMAL CROSSING LANE IN AN ASSISTED DRIVING SYSTEM
DE102018205430A1 (en) Method for satellite-based determination of a vehicle position
WO2019179844A1 (en) Method for the satellite-assisted determination of a vehicle position by means of a motion and position sensor
DE102018209804A1 (en) Method and device for predicting a likely driving route for a vehicle
DE102020105657A1 (en) Methods and systems for the mapping and localization of a vehicle
DE102017205973A1 (en) Method for determining an offset contained in a yaw rate signal of a yaw rate sensor of a motor vehicle and control device and motor vehicle